Amazon SageMaker Studio

第一個適用於機器學習的完全整合式開發環境 (IDE)

Amazon SageMaker Studio 提供單一的 Web 視覺化界面,您可以在其中執行所有 ML 開發步驟,將資料科學團隊的工作效率提高多達 10 倍。SageMaker Studio 讓您可以完全存取、控制和洞察在建立、訓練和部署模型時需要執行的每個步驟。您可以快速上傳資料,創建新的筆記本,訓練和調整模型,在步驟之間來回移動以調整實驗,比較結果,以及將模型部署至一處,讓您的工作更有效率。在 SageMaker Studio 中可以執行所有 ML 開發活動,包括筆記本、實驗管理、自動建立模型、偵錯、模型和資料偏離偵測。

主要功能

彈性和可共用的筆記本

管理運算執行個體來檢視、執行或共享筆記本,這是一件繁瑣的工作。Amazon SageMaker Studio 筆記本是一鍵式的 Jupyter 筆記本,能迅速啟動。基礎運算資源極具彈性,因此您可以輕鬆地調高或調低可用資源,而變更會在背景自動進行,不會中斷您的工作。您還可以透過按幾下與他人共用筆記本。他們將取得完全相同的筆記本,且儲存在同一位置。

全新!

使用筆記本進行可擴展的資料準備

只需點按幾下滑鼠,您就可以從 SageMaker Studio 筆記本中直觀地瀏覽、探索和連接到在 Amazon EMR 上執行的 Apache Spark 資料處理環境。連接後,您可以互動式查詢、探索和視覺化資料,並使用您選擇的語言(SQL、Python 和 Scala)執行 Spark 任務,以建置端到端的資料準備和機器學習 (ML) 工作流程。

可擴展的實驗

在嘗試使用不同的輸入組合微調模型時,您可以隨筆記本啟動一個實驗排行榜。該排行榜會自動追蹤、排序和排名所有實驗。您可以輕鬆比較和確定效能最佳的模型,結果一目了然。

快速上手

Amazon SageMaker Studio 包含一個機器學習啟動器,其中包含 150 多種熱門的開源模型和超過 15 種針對常見使用案例 (例如流失率預測和詐騙偵測) 的預先建置解決方案,因此您可以在幾分鐘內建置您的第一個模型。您還可以借助 Amazon SageMaker AutoPilot,只需按幾下即可使用自己的資料建立 ML 模型。

自備容器

Amazon SageMaker Studio Notebooks 為熱門的資料科學和深度學習架構 (例如 Tensorflow、MXNet、PyTorch) 提供一組內建映像,並提供執行筆記本的運算選項。您還可以註冊自訂建置的映像和核心,並將它們提供給共用某個 SageMaker Studio 網域的所有使用者。透過自訂映像,您可以使用特定版本的熱門深度學習架構來啟動筆記本。

深度學習

Amazon SageMaker Studio 支援許多常用架構,以進行深度學習,例如:TensorFlow、Apache MXNet、PyTorch。這些架構會自動得到設定和最佳化,可達成最高效能。

Amazon SageMaker Studio